docker部署whisper

whipser模型支持将视频或者语音文件转为文本或字幕

whisper (opens new window)

whisper-asr-webservice (opens new window)

sudo docker run -d -p 9000:9000 --name whisper --restart always -v /home/sanyer/whisper:/root/.cache/whisper -e ASR_MODEL=small onerahmet/openai-whisper-asr-webservice:latest

• -v /home/sanyer/whisper:/root/.cache/whisper 映射模型文件目录

运行之后在浏览器输入以下地址

http://localhost:9000/

• /asr 语音识别接口，上传语音或者视频文件，输出文字
• /detect-language 语言检测接口，上传语音或者视频文件，输出语言

接口参数：

• encode 是否编码，true | false 默认 true
• task 任务，transcribe 将语音识别为文字，translate 翻译为英文
• language 源文件语言（如果源文件是英文，但是参数填写为中文，识别程序就会以中文来识别，结果就是完全错的）
• initial_prompt 初始化提示
• word_timestamps 单词级别的时间戳。在输出格式为json时起作用，会输出每个单词的开始时间、结束时间、识别正确的可能性
• output 输出格式，txt 文本格式，vtt、srt 字幕格式，可以给视频制作字幕，tsv 类似于csv的一种制表符分隔的数据格式，json 可以输出非常详细的信息
• audio_file 上传文件

支持语言列表：https://github.com/openai/whisper/blob/main/whisper/tokenizer.py

参考：

https://zhuanlan.zhihu.com/p/678406937

https://zhuanlan.zhihu.com/p/595691785

https://blog.csdn.net/TechAI/article/details/136903249